本發(fā)明涉及深度學(xué)習(xí)與采油結(jié)合的，具體為一種改進transformer架構(gòu)的致密礫巖儲層破裂壓力智能預(yù)測方法。

背景技術(shù)：

1、致密礫巖儲層非均質(zhì)性強，巖石破裂壓力差異大，導(dǎo)致水平井分段壓裂過程中裂縫擴展不均衡，直接影響水平井產(chǎn)出效果。借助fsi產(chǎn)出剖面數(shù)據(jù)能夠?qū)崿F(xiàn)水平井各簇破裂壓力真實值與測井?dāng)?shù)據(jù)的標(biāo)定，然而fsi成本較高，標(biāo)定的真實樣本數(shù)量有限，為準(zhǔn)確預(yù)測破裂壓力帶來了挑戰(zhàn)。

2、已有的機器學(xué)習(xí)方法對數(shù)據(jù)要求嚴(yán)格，當(dāng)面對有限的數(shù)據(jù)集時，這些方法往往難以構(gòu)建出泛化能力強的模型，特別是在處理如致密礫巖儲層這樣具有顯著非均質(zhì)性的復(fù)雜地質(zhì)條件時，問題尤為突出。由于此類儲層內(nèi)部性質(zhì)變化極大，有限的數(shù)據(jù)樣本可能無法充分反映其多樣性與復(fù)雜性，從而導(dǎo)致訓(xùn)練得到的模型在實際應(yīng)用中表現(xiàn)不佳，尤其是在進行壓裂設(shè)計以及分段分簇優(yōu)化等關(guān)鍵作業(yè)時，會因為缺乏足夠的準(zhǔn)確性而難以滿足工程需求。

技術(shù)實現(xiàn)思路

1、為解決至少一個上述問題，本發(fā)明提出了一種改進transformer架構(gòu)的致密礫巖儲層破裂壓力智能預(yù)測方法。

2、本發(fā)明的技術(shù)方案為：一種改進transformer架構(gòu)的致密礫巖儲層破裂壓力智能預(yù)測方法，包括以下步驟：

3、s1、獲取同區(qū)塊已壓裂井的破裂壓力數(shù)據(jù)以及與破裂壓力相關(guān)的測井參數(shù)，并將破裂壓力和測井參數(shù)進行匹配，并對數(shù)據(jù)進行預(yù)處理得到初始數(shù)據(jù)；

4、s2、基于cae-som自組織映射神經(jīng)網(wǎng)絡(luò)，考慮儲層的非均質(zhì)性，對初始數(shù)據(jù)進行聚類，得到不同地質(zhì)條件下的樣本類別；

5、s3、基于生成對抗網(wǎng)絡(luò)，對任一地質(zhì)條件下的樣本類別均進行擴充得到訓(xùn)練集；

6、s4、結(jié)合全局注意力和局部注意力機制，利用任一地質(zhì)條件下的訓(xùn)練集對transformer模型進行訓(xùn)練，最終得到任一地質(zhì)條件下的transformer預(yù)測模型；

7、s5、確定目標(biāo)井的樣本類別，并利用該樣本類別對應(yīng)的transformer預(yù)測模型對其破裂壓力進行預(yù)測。

8、有益效果：本發(fā)明的方法，通過對破裂壓力真實值進行樣本聚類，對于同類樣本通過生成對抗網(wǎng)絡(luò)擴充樣本集，然后再針對每一類擴充后的樣本集分別建立預(yù)測模型，結(jié)合自組織映射神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)的優(yōu)勢，來有效解決以上技術(shù)問題。通過對獲取的破裂壓力真實值進行聚類和數(shù)據(jù)擴充，本發(fā)明能夠準(zhǔn)確地利用有限的的破裂壓力數(shù)據(jù)進行預(yù)測，從而提供了一種更高效的方法來為壓裂設(shè)計及分段分簇優(yōu)化提供了強有力的支持。

技術(shù)特征：

1.一種改進transformer架構(gòu)的致密礫巖儲層破裂壓力智能預(yù)測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述測井參數(shù)包括深度、自然伽馬、聲波時差、地層真電阻率、密度、井徑、補償中子和自然電位。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，s1中，包括以下分步驟：通過壓裂過程中的井底壓力變化，記錄分段壓裂施工過程中的壓力峰值；利用fsi數(shù)據(jù)識別已被壓裂的壓裂簇，根據(jù)主應(yīng)力大小原則，將壓力峰值與壓裂簇相匹配，得到該壓裂簇破裂壓力的真實值；記錄該壓裂簇破裂時的測井參數(shù)，即將該壓裂簇的破裂壓力和測井參數(shù)進行匹配；重復(fù)前述操作，直至所有壓裂簇的破裂壓力和測井參數(shù)完成匹配。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，s1中，數(shù)據(jù)的預(yù)處理包括以下分步驟：基于分段回歸插補法，以已獲取的隨鉆測井參數(shù)中的每一個參數(shù)對應(yīng)的數(shù)據(jù)作為一組擬合數(shù)據(jù)，擬合為多個一元三次回歸曲線，當(dāng)獲取值與擬合值的絕對差大于5%時，將獲取值視為噪聲并用擬合值替代，對于數(shù)據(jù)中的缺失值，使用該組數(shù)據(jù)的平均值代替，直至完成所有數(shù)據(jù)的異常值處理；對處理后的數(shù)據(jù)進行歸一化處理。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，s2中，包括以下分步驟：基于自編碼器，從測井參數(shù)中提取有效非均質(zhì)特征；基于som自組織映射神經(jīng)網(wǎng)絡(luò)對有效非均質(zhì)特征進行聚類，從而得到不同地質(zhì)條件下的樣本聚類結(jié)果。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，s3中，樣本擴充上限為樣本原始數(shù)量的2-10倍。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，s4中，包括以下分步驟：

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，s5中，確定目標(biāo)井樣本類別的方法包括以下分步驟：計算目標(biāo)井待預(yù)測層段的測井參數(shù)與s3中不同訓(xùn)練集中每一個樣本的歐式距離，隨后對目標(biāo)井待預(yù)測層段與每一個訓(xùn)練集中樣本的歐式距離之和，歐式距離之和最小的訓(xùn)練集為目標(biāo)井待預(yù)測層段的樣本類別。

技術(shù)總結(jié)
本發(fā)明公開了一種改進Transformer架構(gòu)的致密礫巖儲層破裂壓力智能預(yù)測方法，涉及深度學(xué)習(xí)與采油結(jié)合的技術(shù)領(lǐng)域。包括以下步驟：獲取同區(qū)塊已壓裂井的破裂壓力數(shù)據(jù)以及與破裂壓力相關(guān)的測井參數(shù)，并將破裂壓力和測井參數(shù)進行匹配，并對數(shù)據(jù)進行預(yù)處理得到初始數(shù)據(jù)；基于CAE?SOM自組織映射神經(jīng)網(wǎng)絡(luò)，對初始數(shù)據(jù)進行聚類，得到不同地質(zhì)條件下的樣本類別；基于生成對抗網(wǎng)絡(luò)，對任一地質(zhì)條件下的樣本類別均進行擴充得到訓(xùn)練集；結(jié)合注意力機制，對Transformer模型進行訓(xùn)練，并利用訓(xùn)練后的Transformer預(yù)測模型對該本區(qū)塊儲層的破裂壓力進行預(yù)測。本發(fā)明能夠準(zhǔn)確地利用有限的的破裂壓力數(shù)據(jù)進行預(yù)測，從而提供了一種更高效的方法來為壓裂設(shè)計及分段分簇優(yōu)化提供強有力的支持。

技術(shù)研發(fā)人員：郭子熙,劉慧,蘇騫,康蕓瑋,李鐵軍,于君郅,鄭文宇,郭大立
受保護的技術(shù)使用者：西南石油大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/28